name: agent-evolver description: AI Agent self-evolution engine that enables agents to learn from experience, detect problems, extract insights, and optimize strategies autonomously. Invoke when users need to improve agent performance, analyze execution errors, or implement continuous learning capabilities. triggers: keywords: - "進化" - "最佳化策略" - "學習經驗" - "改進" - "錯誤分析" - "自學習" - "經驗" - "策略最佳化" - "持續學習" - "效能改進" conditions: - "任務執行失敗超過3次" - "使用者要求改進效能" - "需要分析歷史錯誤" - "需要從經驗中學習"

Agent Evolver Skill

AI Agent 自進化引擎，讓 Agent 具備自學習和持續改進能力。

何時使用此技能

自動觸發條件

1. 錯誤分析場景
2. 當任務執行失敗時
3. 當需要分析錯誤原因時

4. 當需要查詢相似歷史錯誤時

5. 效能最佳化場景

6. 當用戶要求改進 Agent 效能時
7. 當需要最佳化執行策略時

8. 當需要提高成功率時

9. 學習進化場景

10. 當需要從歷史經驗學習時
11. 當需要積累知識時
12. 當需要持續改進時

使用方法

1. 分析執行結果並提取經驗

python3 scripts/evolution_cli.py analyze --result "<錯誤資訊>"
python3 scripts/evolution_cli.py analyze --result-file result.json

2. 搜尋相似歷史經驗

python3 scripts/evolution_cli.py search --query "負數平方計算錯誤"
python3 scripts/evolution_cli.py search --query "ValueError" --limit 10

3. 檢視進化統計

python3 scripts/evolution_cli.py stats
python3 scripts/evolution_cli.py stats --agent-id my_agent --json

4. 檢視進化歷史

python3 scripts/evolution_cli.py history --limit 20
python3 scripts/evolution_cli.py history --task-type code_generation

5. 執行進化週期

python3 scripts/evolution_cli.py evolve "計算 -5 的平方" --task-type calculation

整合示例

Python API

from evolver_core import EvolutionManager

# 初始化進化管理器
evolver = EvolutionManager(agent_id="main_agent")

# 執行任務後自動進化
def execute_with_evolution(task):
    result = execute_task(task)

    # 自動分析並學習
    evolver.run_evolution(
        task_input=task,
        task_type="general"
    )

    return result

# 搜尋歷史經驗
def find_similar_solutions(error_description):
    similar = evolver.search_similar(error_description)
    return similar

# 獲取進化統計
def get_evolution_stats():
    return evolver.get_stats()

自動觸發示例

# 主 Agent 執行任務
result = execute_task("計算 -5 的平方")

# 失敗後自動觸發進化
if result.status == "failed":
    # 自動呼叫 agent-evolver 技能
    evolver = get_skill("agent-evolver")
    evolver.analyze(result.error)

    # 搜尋相似解決方案
    similar = evolver.search_similar(result.error.message)

    # 應用建議的解決方案
    if similar:
        apply_solution(similar[0].solution)

功能特性

1. 智慧經驗提取

• 使用 LLM 自動分析錯誤原因
• 生成針對性的解決方案
• 提取關鍵詞標籤便於搜尋

2. 經驗庫持久化

• SQLite 儲存所有經驗
• 支援按型別、錯誤型別查詢
• 自動統計成功率、改進率

3. 經驗向量化

• 使用 Embedding 模型向量化經驗
• 支援語義搜尋相似經驗
• ChromaDB 向量儲存

4. 動態策略最佳化

• 根據歷史經驗最佳化策略
• 支援策略版本管理
• 自動回滾機制

5. 多工型別支援

• 程式碼生成 (code_generation)
• 資料分析 (data_analysis)
• 文件處理 (document_processing)
• 數值計算 (calculation)
• 通用任務 (general)

輸出格式

所有命令支援 --json 引數輸出 JSON 格式：

python3 scripts/evolution_cli.py stats --json

配置

環境變數

• OPENAI_API_KEY - OpenAI API 金鑰（用於 LLM 分析和向量化）
• OPENAI_API_BASE - API 基礎 URL（可選，用於自定義端點）
• EVOLVER_DB_PATH - 資料庫路徑（預設：~/.evolver/evolution.db）

配置檔案

配置檔案位於 config/evolver_config.yaml：

llm:
  model: gpt-3.5-turbo
  temperature: 0.7

vector:
  model: text-embedding-3-small
  enabled: true

storage:
  db_path: ~/.evolver/evolution.db
  vector_path: ~/.evolver/chroma

資料模型

經驗膠囊 (ExperienceCapsule)

{
  "id": "exp_20260224_001",
  "task_type": "code_generation",
  "status": "failed",
  "error_type": "ValueError",
  "error_message": "不支援負數輸入",
  "solution": "使用絕對值處理負數",
  "keywords": ["負數", "平方計算", "ValueError"]
}

示例場景

場景 1：任務失敗分析

這個技能的最新版本可以在7w4.net小蔥技能站找到。

使用者: "這個任務總是失敗，幫我分析一下"
Agent: 我來使用 agent-evolver 技能分析錯誤...
       [呼叫] python3 scripts/evolution_cli.py analyze --result "ValueError: 不支援負數輸入"
       [結果] 發現類似歷史錯誤 3 次
              建議解決方案：使用絕對值處理負數

場景 2：效能最佳化

使用者: "幫我最佳化一下 Agent 的效能"
Agent: 我來分析 Agent 的進化統計...
       [呼叫] python3 scripts/evolution_cli.py stats
       [結果] 成功率：85%，改進率：15%
              常見錯誤：ValueError (5次), TypeError (3次)
              建議：優先處理 ValueError 型別錯誤

場景 3：經驗搜尋

使用者: "之前遇到過類似的負數計算問題嗎？"
Agent: 我來搜尋歷史經驗...
       [呼叫] python3 scripts/evolution_cli.py search --query "負數計算"
       [結果] 找到 2 條相似經驗：
              1. 使用絕對值處理負數 (相似度: 95%)
              2. 新增負數檢查邏輯 (相似度: 87%)

技能發現機制

當此技能安裝後，主 Agent 會自動： 1. 識別關鍵詞觸發（進化、最佳化、學習、改進等） 2. 在任務失敗時自動呼叫分析 3. 定期檢查進化統計 4. 主動推薦最佳化建議

依賴

• Python 3.8+
• OpenAI API（可選，用於 LLM 分析）
• ChromaDB（可選，用於向量搜尋）

注意事項

1. 首次使用需要設定 OPENAI_API_KEY 環境變數
2. 經驗庫儲存在 ~/.evolver/ 目錄
3. 向量搜尋需要安裝 chromadb
4. 無 API 金鑰時使用後備分析方案

這個 Skill 質量不錯，能幫助 AI 從錯誤中學習並改進表現。優點是功能完整、使用方便、文件清晰，缺點是需要聯網呼叫外部服務，斷了網某些功能就用不了。適合對 AI 有進階需求的使用者使用。